論文の概要: Think Before You Transcribe: Context-Steered Reasoning for Hotword-Aware Speech Recognition

• arxiv url: http://arxiv.org/abs/2610.26986v1
• Date: Mon, 19 Oct 2026 05:09:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.413904
• Title: Think Before You Transcribe: Context-Steered Reasoning for Hotword-Aware Speech Recognition
• Title（参考訳）: 書き起こす前に考える:Hotword-Aware 音声認識のためのコンテキストステアリング
• Abstract要約: 信頼できるシステムは、アコースティック・エビデンスを無効にすることなく、関連する候補を活用しなければならない。 本稿では,文字起こし前の短い音声文を合成するコンテキストステアリング・推論・フレームワークを提案する。 実験により,提案手法は不適切な候補に頑健なまま,転写品質とホットワード認識の両方を一貫して改善することが示された。
• 参考スコア（独自算出の注目度）: 25.24679165569295
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Contextual automatic speech recognition (ASR) improves rare-entity recognition by supplying candidate hotwords, but retrieved candidates may be incomplete or incorrect. A reliable system must therefore exploit a relevant candidate without allowing unsupported alternatives to override the acoustic evidence. We propose a context-steered reasoning framework that generates a short, audio-grounded caption before transcription. This task-specific representation lets the model assess candidate relevance before making a lexical decision. Supervised fine-tuning establishes the structured caption-to-transcription behavior, while targeted trajectory injection strengthens group relative policy optimization when difficult utterances yield only unsuccessful rollouts. Experiments across diverse context conditions show that the proposed method consistently improves both transcription quality and hotword recognition while remaining robust to irrelevant candidates.
• Abstract（参考訳）: 文脈自動音声認識(ASR)は、候補のホットワードを供給することによって、希少性認識を改善するが、検索された候補は不完全または誤りである可能性がある。 したがって、信頼できるシステムは、アコースティック・エビデンスを無効にすることなく、関連する候補を利用する必要がある。 本稿では,文字起こし前の短い音声文を合成するコンテキストステアリング・推論・フレームワークを提案する。 このタスク固有の表現は、語彙決定を行う前に、モデルが候補の関連性を評価することを可能にする。 教師付き微調整は、構造化されたキャプションから書き起こし動作を確立し、一方、目標軌跡注入は、難解な発話がロールアウトのみを成功させる場合に、グループ相対的なポリシー最適化を強化する。 種々の文脈条件に対する実験により,提案手法は不適切な候補に対して頑健でありながら,書き起こし品質とホットワード認識の両方を一貫して改善することを示した。

関連論文リスト

• How to Recognize New Words: A Comparison Between Context Biasing Methods and Speech LLMs [61.601626186678146]
  音声大言語モデル(LLM)に対するWhisperに基づく2つの文脈バイアス法の評価を行った。 文脈バイアス法は、WERのバイアスを最大88%削減し、他の単語はほとんど影響を受けなかった。 音声LLMは読み上げ音声に優れるが、非読み出し音声にはあまり適さないため、散発的数に敏感であり、語順を誘導する。
  論文  参考訳（メタデータ） (2026-08-06T08:45:33Z)
• BiCon-Gate: Consistency-Gated De-colloquialisation for Dialogue Fact-Checking [9.866690791407464]
  本稿では,段階的非論理化による各応答クレームに対する保守的書き直し候補を提案する。 次に、対話コンテキストで意味的にサポートされている場合にのみ書き直し候補を選択するセマンティックス対応整合ゲートであるBiCon-Gateを紹介する。 このゲート選択は、下流の事実チェックを安定化させ、証拠検索と事実検証の両方で利益を得る。
  論文  参考訳（メタデータ） (2026-04-15T20:06:24Z)
• SpeechR: A Benchmark for Speech Reasoning in Large Audio-Language Models [60.72029578488467]
  SpeechRは、大規模な音声言語モデルにおける音声に対する推論を評価するための統一的なベンチマークである。 事実検索、手続き推論、規範的判断の3つの重要な側面に沿ったモデルを評価する。 11個の最先端のLALMの評価は、高い転写精度が強い推論能力に変換されないことを示している。
  論文  参考訳（メタデータ） (2025-08-04T03:28:04Z)
• Context Biasing for Pronunciations-Orthography Mismatch in Automatic Speech Recognition [61.601626186678146]
  本稿では,置換誤りの訂正を可能とし,難解な単語の認識精度を向上させる手法を提案する。 本手法により, 単語誤り率の相対的な改善を最大8%まで達成し, 単語誤り率の競争力を維持した。
  論文  参考訳（メタデータ） (2025-06-23T14:42:03Z)
• Improving RAG Retrieval via Propositional Content Extraction: a Speech Act Theory Approach [0.0]
  本稿では,ユーザ発話から提案内容を抽出することで,検索・拡張生成システムにおける検索品質が向上するかどうかを考察する。 本稿では,クエリを埋め込む前に提案する等価表現に自動的に変換する実用的な手法を提案する。
  論文  参考訳（メタデータ） (2025-03-07T20:15:40Z)
• Leveraging Hierarchical Prototypes as the Verbalizer for Implicit Discourse Relation Recognition [7.149359970799236]
  暗黙の言論関係認識は、明示的な言論接続によってリンクされていないテキストのスパン間の関係を決定することを含む。 それまでの作業は、暗黙の言論関係認識のための手話代行にのみ依存していた。 特定のクラスレベルの意味的特徴をキャプチャするプロトタイプと、異なるクラスに対する階層的なラベル構造を、動詞化子として活用する。
  論文  参考訳（メタデータ） (2024-11-22T12:01:04Z)
• Analyzing Speech Unit Selection for Textless Speech-to-Speech Translation [23.757896930482342]
  本研究は、下流タスクの研究を通して選択プロセスについて考察する。 再生性能のよいユニットは、翻訳効率を高めるユニットと必ずしも相関しない。
  論文  参考訳（メタデータ） (2024-07-08T08:53:26Z)
• Towards Unsupervised Speech Recognition Without Pronunciation Models [57.222729245842054]
  本稿では,ペア音声とテキストコーパスを使わずにASRシステムを開発するという課題に取り組む。 音声合成とテキスト・テキスト・マスクによるトークン埋込から教師なし音声認識が実現可能であることを実験的に実証した。 この革新的なモデルは、レキシコンフリー環境下での以前の教師なしASRモデルの性能を上回る。
  論文  参考訳（メタデータ） (2024-06-12T16:30:58Z)
• High-precision Voice Search Query Correction via Retrievable Speech-text Embedings [13.4015768521113]
  音声認識システムは、ノイズの多い音声、十分なトレーニングデータがないなど、様々な理由で、リコールに苦しむことがある。 従来の研究では、仮説テキストの潜在的、文脈に関連のある選択肢の巨大なデータベースから書き直し候補を検索することで、リコールを改善することができた。 一般発話においてWERを増大させることなく,文章が候補集合に現れる発話に対して,相対単語誤り率(WER)を6%削減することを示す。
  論文  参考訳（メタデータ） (2024-01-08T20:59:56Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。